利用MATLAB理解常见概率分布
二项分布
在概率论和统计学中,二项分布(英语:Binomial
distribution)是n个独立的是/非试验中成功的次数的离散概率分布,其中每次试验的成功概率为p。这样的单次成功/失败试验又称为伯努利试验。实际上,当n= 1时,二项分布就是伯努利分布。二项分布是显著性差异的二项试验的基础。
>> N=100;
>> p=0.5;
>> k=0:N;
>>pdf=binopdf(k,N,p);
>> cdf=binocdf(k,N,p);
>> h=plotyy(k,pdf,k,cdf)
binopdf(k,N,p)函数
表示事件A发生k次的概论
N为实验次数,p为发生概率
binocdf(k,N,p)函数
表示事件A发生次数不大于k次的概率
plotyy(k,pdf,k,cdf)函数
plot只有一个纵坐标,而plotyy有两个纵坐标(左右各一个),两个纵坐标标度有利于图形数据的对比分析
泊松分布
泊松分布是二项分布n很大而p很小时的一种极限形式 二项分布是说,已知某件事情发生的概率是p,那么做n次试验,事情发生的次数就服从于二项分布。
泊松分布是指某段连续的时间内某件事情发生的次数,而且“某件事情”发生所用的时间是可以忽略的。
泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率。
维基百科:
若X\displaystyle XX服从参数为λ\displaystyle \lambdaλ 的泊松分布,记为X∼π(λ)X∼π(λ)\displaystyle X\sim \pi (\lambda )X \sim \pi(\lambda)X∼π(λ)X∼π(λ),或记为X∼P(λ)X∼P(λ)\displaystyle X\sim P(\lambda )X \sim P(\lambda)X∼P(λ)X∼P(λ).
1、服从泊松分布的随机变量,其数学期望与方差相等,同为参数{\displaystyle \lambda }\lambda : {\displaystyle E(X)=V(X)=\lambda }{\displaystyle E(X)=V(X)=\lambda }
2、两个独立且服从泊松分布的随机变量,其和仍然服从泊松分布。更精确地说,若X∼Poisson(λ1)\displaystyle X\sim Poisson(\lambda _{1})X∼Poisson(λ1)X∼Poisson(λ1)\displaystyle X\sim Poisson(\lambda _{1})X∼Poisson(λ1)且Y∼Poisson(λ2)\displaystyle Y\sim Poisson(\lambda _{2})Y∼Poisson(λ2)Y∼Poisson(λ2)\displaystyle Y\sim Poisson(\lambda _{2})Y∼Poisson(λ2),则X+Y∼Poisson(λ1+λ2)\displaystyle X+Y\sim Poisson(\lambda _{1}+\lambda _{2})X+Y∼Poisson(λ1+λ2)X+Y∼Poisson(λ1+λ2)\displaystyle X+Y\sim Poisson(\lambda _{1}+\lambda _{2})X+Y∼Poisson(λ1+λ2)。
在二项分布的伯努利试验中,如果试验次数n很大,二项分布的概率p很小,且乘积λ= np比较适中,则事件出现的次数的概率可以用泊松分布来逼近。事实上,二项分布可以看作泊松分布在离散时间上的对应物。
x=0:200;
px=poisspdf(x,100);
plot(x,px)
表示已经观察到事物平均发生lambda次的条件下,实际发生X次的概率
是不是和二项分布很像?
均匀分布
在概率论和统计学中,均匀分布也叫矩形分布,它是对称概率分布,在相同长度间隔的分布概率是等可能的。 均匀分布由两个参数a和b定义,它们是数轴上的最小值和最大值,通常缩写为U(a,b)。
均匀分布的期望:均匀分布的期望是取值区间[a,b]的中点(a+b)/2。
均匀分布的方差:var(x)=E[X²]-(E[X])²
var(x)=E[X²]-(E[X])²=1/3(a²+ab+ b²)-1/4(a+b)²=1/12(a²-2ab+ b²)=1/12(a-b)²
x = rand(1000);
hist(x);
Ex = mean(x);
v = var(x);
指数分布
用一个知乎的简单解释:
(馒头那个太长就不抄了
可以用等公交车作为例子:
某个公交站台一个小时内出现了的公交车的数量 就用泊松分布来表示
某个公交站台任意两辆公交车出现的间隔时间 就用指数分布来表示
其中λ > 0是分布的一个参数,常被称为率参数(rate parameter)。即每单位时间内发生某事件的次数。指数分布的区间是[0,∞)。 如果一个随机变量X呈指数分布,则可以写作:X~ E(λ)。 [1]
>> x=0:0.2:20;
>> y1=exppdf(x,3);
y2=exppdf(x,5);
>> hold on;
plot(x,y1,'r');
plot(x,y2,'b');
>>
hold on 和hold off 函数:
保留/删除上面的图像
exppdf()函数
产生指数分布的概率密度函数
我也来用馒头做一个解释(
比如x=0:0.2:20;
y1=exppdf(x,3);
已经观察到“馒头卖出”事件平均发生lambda次的条件下,实际发生X次的概率
利用MATLAB理解常见概率分布相关推荐
- 5G NR学习理解系列——利用matlab工具生成5G NR信源
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 5G NR学习理解系列--利用matlab工具生成5G NR信源 前言 NR工具箱的使用 直接使用代码 前言 既然发现了4G LTE ...
- LTE学习理解系列——利用matlab工具生成4G LTE信源
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 LTE学习理解系列--利用matlab工具生成4G LTE信源 前言 LTE工具箱的使用 直接使用函数 生成信源的采样率 总结 前言 ...
- 坎蒂雷赋权法 matlab,干货 | 利用MATLAB实现FMCW雷达中的常用角度估计方法
其中在介绍角度估计中,通过对接收差频信号在快慢时间维度的扩展,增加了空域的信息.扩展后的接收差频信号可以表示为 其中k表示接收天线的个数,d为天线间距. 在"干货|利用MATLAB实现FMC ...
- idft重建图像 matlab_利用 MATLAB 编程,打开一幅图像,对其进行 DFT 变换,并置其不同区域内的系数为零,进行 IDFT ,观察其输出效果。_学小易找答案...
[连线题]请对正确的快键键连线 [判断题]板书是指教师在课堂黑板或白板上书写,将教学内容形象.直观.简洁地传授给学生.清晰.流畅.快速的粉笔书写是课堂板书的基本功. [其它]利用 MATLAB 编程, ...
- 利用MATLAB将图片转换成coe文件、TXT文件、mif文件、bin文件
利用MATLAB将图片转换成coe文件.TXT文件.mif文件 利用MATLAB将图片转换成coe文件 利用MATLAB将图片转换成txt文件 利用MATLAB将图片转换成mif文件 利用MATLAB ...
- 利用matlab实现DMD动态模态分解(在一维信号或二维流场矢量中的应用)
利用matlab实现DMD动态模态分解(在一维信号或二维流场矢量中的应用) 0 前言 0.1 特征根的计算与含义 1 DMD的基本思路 2 一维DMD算法 3 二维DMD算法 4 总结 (2020年9 ...
- 单闭环调速仿真matlab,利用Matlab仿真平台设计单闭环直流调速系统
内容简介: 毕业论文 利用Matlab仿真平台设计单闭环直流调速系统 共21页,3989字. 目 录 一.摘要 --------------------------2 二.总体方案设计 ------- ...
- 利用MATLAB绘制极坐标等值线图——详解ContourPolor函数
ContourPolor函数是MathWorks公司在1984年开发的绘图函数,主要用于解决MATLAB中极坐标等值线图的绘制问题. 什么是极坐标等值线图? 网上没有明确的概念,先放一张画好的图让大家 ...
- 大数据分析工具作业task01:np.random总结及几种常见概率分布图形的绘制
numpy.random在生成大型样本时比纯python方式快了一个数量级 写这篇文章的原因是小米菲一直对于numpy中的伪随机数们傻傻分不清楚,再加上我的大数据分析工具老师让我们画出六种分布的图形( ...
最新文章
- android 防止连点的方法
- 皮一皮:不是很懂他的精神追求,有懂得来解释下...
- 【组合数学】组合存在性定理 ( 三个组合存在性定理 | 有限偏序集分解定理 | Ramsey 定理 | 相异代表系存在定理 | Ramsey 定理内容概要 )
- POJ 1091 跳蚤
- ABBYY FineReader 12中怎样禁用自动处理
- DevExpress的下拉框控件ComboxBoxEdit怎样绑定键值对选项
- org.apache.poi 读取数字问题
- 创建线程后为什么马上调用CloseHandle()来关闭句柄
- Hook技术之Hook Activity
- 由降低系统之间的接口维护和升级的成本想到的。。。
- 记录学习WeakReference发现的问题
- JAVA笔记12__字节、字符缓冲流/打印流/对象流/
- 趣达学院学习有奖活动!
- 小程序容器在一体化在线政务服务平台中的应用
- groovy curry的用处
- OpenLayers使用高德导航接口实现动画animate
- JavaSE-饿了么项目实战
- 上海富爸爸_放弃高薪选择财务自由之路(转)
- OAM 与 KubeVela:下一代云原生应用交付和管理实践
- 学术数据库 文献检索
热门文章
- unity3d中animator和animation k动画注意点和问题 无法播放等等
- Linux群组与用户
- 搜狗和QQ 拼音输入法,如何输入拼音的音调ā ō è ì ǔ ǘ
- Arduino 声音传感器例程
- android 加速软件,手机技巧:千万不要用安卓手机加速App
- 项目中使用completablefuture_同轴线如何当网线使用?解决改造项目中难题
- 如何更优雅地使用 bilibili(b站)
- Arcgis制作风速风向
- Lwip从入门到放弃之(一)---基础网络知识扫盲
- html5绘制圣诞树,【Html5】JavaScript和html5实现3D圣诞树的代码